Добавил:
Sekretar
kiopkiopkiop18@yandex.ru
t.me/Prokururor I Вовсе не секретарь, но почту проверяю
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Ординатура / Хирургия / Библиотека им академика М.И. Перельмана / Книга_1449_Библиотеки_им_академика_М_И_Перельмана
.pdf
191
Таблица 3.4 – Метрики оценки классификаторов бинарной
классификации (обучающая выборка)
ДО/Печень
ГЦК/Печень
МТС/Печень
SVM
Se: 0,99 ± 0,01
Se: 0,99 ± 0,00
Se: 0,99 ± 0,00
Sp: 0,99 ± 0,00
Sp: 0,99 ± 0,01
Sp: 0,98 ± 0,01
Точность: 0,99 ± 0,00
Точность: 0,99 ± 0,00
Точность: 0,99 ± 0,00
F-мера: 0,99 ± 0,00
F-мера: 0,99 ± 0,00
F-мера: 0,99 ± 0,00
LR
Se: 0,99 ± 0,01
Se: 0,99 ± 0,00
Se: 0,99 ± 0,01
Sp: 0,98 ± 0,00
Sp: 0,99 ± 0,01
Sp: 0,98 ± 0,01
Точность: 0,99 ± 0,02
Точность: 0,99 ± 0,02
Точность: 0,99 ± 0,01
F-мера: 0,98 ± 0,01
F-мера: 0,99 ± 0,00
F-мера: 0,99 ± 0,01
RF
Se: 0,99 ± 0,01
Se: 0,99 ± 0,00
Se: 0,99 ± 0,00
Sp: 0,99 ± 0,01
Sp: 0,98 ± 0,01
Sp: 0,99 ± 0,00
Точность: 0,99 ± 0,00
Точность: 0,99 ± 0,01
Точность: 0,99 ± 0,00
F-мера: 0,99 ± 0,00
F-мера: 0,99 ± 0,01
F-мера: 0,99 ± 0,00
Se – чувствительность; Sp – специфичность.
В таблице 3.5 обобщены результаты, полученные в ходе 10
статистических экспериментов, в которых данные, используемые для
обучения и тестирования, каждый раз перемешивались случайным образом.
Таблица 3.5 – Метрики оценки классификаторов бинарной
классификации
ДО/Печень
ГЦК/Печень
МТС/Печень
1
2
3
4
SVM
Se: 0,40 ± 0,22
Se: 0,75 ± 0,08
Se: 0,80 ± 0,07
Sp: 0,72 ± 0,28
Sp: 0,61 ± 0,14
Sp: 0,31 ± 0,07
Точность: 0,53 ± 0,07
Точность: 0,68 ± 0,09
Точность: 0,60 ± 0,03
F-мера: 0,45 ± 0,11
F-мера: 0,72 ± 0,08
F-мера: 0,71 ± 0,03
LR
Se: 0,60 ± 0,23
Se: 0,65 ± 0,09
Se: 0,69 ± 0,10
Sp: 0,58 ± 0,18
Sp: 0,56 ± 0,14
Sp: 0,47 ± 0,07
Точность: 0,57 ± 0,07
Точность: 0,60 ± 0,08
Точность: 0,60 ± 0,04
F-мера: 0,57 ± 0,14
F-мера: 0,64 ± 0,08
F-мера: 0,67 ± 0,04
192
Продолжение таблицы 3.5
1
2
3
4
RF
Se: 0,97 ± 0,03
Se: 0,97 ± 0,03
Se: 0,94 ± 0,04
Sp: 0,87 ± 0,05
Sp: 0,81 ± 0,06
Sp: 0,84 ± 0,05
Точность: 0,92 ± 0,03
Точность: 0,90 ± 0,03
Точность: 0,90 ± 0,03
F-мера: 0,93 ± 0,03
F-мера: 0,91 ± 0,03
F-мера: 0,92 ± 0,02
Se – чувствительность; Sp – специфичность.
Из всех рассмотренных значений точности RF-алгоритм для данных ФС
с временным разрешением обеспечивает наилучшие показатели точности
(0,90-0,92) для дифференцировки паренхимы печени и всех видов опухолей.
При этом наилучшие значения чувствительности и специфичности
разработанного классификатора наблюдаются для разделения классов
паренхимы печени и ДО – 0,97 ± 0,04 и 0,87 ± 0,05, соответственно, а также
паренхимы печени и ГЦК – 0,97 ± 0,03 и 0,81 ± 0,06, соответственно. Это
подтверждают и высокие значения метрики F-score 0,91 ± 0,03. Более низкие
значения показателей диагностической эффективности разработанного
классификатора для дифференциации паренхимы печени и МТС можно
объяснить большим количеством различных типов метастатического
поражения печени в данной группе пациентов. ROC-кривые для оценки
эффективности классификаторов приведены на рисунке 3.16.
а)
б)
в)
Рисунок 3.16 – ROC-кривые для оценки эффективности бинарных
классификаторов на основе RF-алгоритма: а) ДО/печень; б) ГЦК/печень;
в) МТС/печень
193
Далее с использованием RF-алгоритма были разработаны
классификаторы для дифференциации различных типов опухолей печени in
vivo на основе измерения спектров затухания флуоресценции. Параметры
эффективности полученных моделей классификации сведены в таблицу 3.6.
Таблица 3.6 – Метрики оценки эффективности классификаторов для
дифференциации различных типов опухолей
ДО
ГЦК
МТС
RF
Se: 0,84 ± 0,07
Se: 0,91 ± 0,08
Se: 0,92 ± 0,03
Sp: 0,97 ± 0,01
Sp: 0,96 ± 0,02
Sp: 0,88 ± 0,05
Точность: 0,95 ± 0,01
Точность: 0,95 ± 0,03
Точность: 0,90 ± 0,03
F-мера: 0,88 ± 0,03
F-мера: 0,89 ± 0,04
F-мера: 0,91 ± 0,04
Se – чувствительность; Sp – специфичность.
Задача классификации опухолей по разным группам была более
сложной, но показатели точности диагностики достигали высоких значений
для всех видов рака: 0,90-0,95. Выявление ГЦК с наиболее выраженными и
однозначными сдвигами тканевого метаболизма, зарегистрированными
методом ФС с временным разрешением, характеризуется наибольшей
чувствительностью (0,91 ± 0,08) и специфичностью (0,96 ± 0,02) в
классификации типов опухолей.
После того, как алгоритм был разработан, в клинику поступили два
пациента с подозрением на онкопроцесс в печени. Им также была проведена
процедура оптической биопсии с регистрацией и последующим анализом
сигналов затухания флуоресценции. Разработанный классификатор показал,
что для первого пациента вероятность постановки диагноза МТС составила
80 %, для второго пациента вероятность диагноза МТС составила 70 %. Позже
эти диагнозы были подтверждены результатами гистопатологического
исследования, которое показало, что диагнозы были предсказаны верно.
194
3.2.5 Синтез метода классификации новообразований печени
На основе проведённых исследований с учетом разработанного
классификатора, а также особенностей пункционного МИХВ разработан
алгоритм метода классификации новообразований печени (рисунок 3.17).
Рисунок 3.17 – Схема алгоритма метода классификации новообразований
печени
Перед началом ЧПБ печени ассистенты врача-хирурга готовят
стерильный набор инструментов, в том числе оптоволоконный зонд.
195
Проводится калибровка мультимодального устройства ФС с временным
разрешением путем регистрации калибровочного спектра
свежеприготовленного раствора НАДН. Также осуществляется контроль
выходной мощности источника излучения.
До момента регистрации оптических сигналов алгоритм повторяет
действия, описанные в пункте 3.1.5, обеспечивая последовательность
действий при проведении стандартного пункционного МИХВ. Далее
проводится регистрация спектров затухания флуоресценции в целевом
участке, предполагаемом опухолевым для взятия пункции. После этого
производится обработка спектров: автоматическое вычисление параметров I
f
,
2
, τ
1
, и τ
2
, на основе которых определяется принадлежность исследуемой
ткани к классу опухоли.
В случае, если бинарным классификатором на основе RF-алгоритма
область исследования ткань определена как «опухоль», то из биопсийной иглы
извлекается оптический зонд и проводится забор биоптата опухолевой ткани
с помощью вращательной техники. Если же на основании бинарной
классификации данных область исследования определена как паренхима
печени, необходимо выбрать новый целевой участок и повторить действия по
регистрации и обработке оптических сигналов.
После биопсии проводятся действия по подготовке полученных
образцов биоткани к патоморфологическому анализу. На место пункции
накладывается стерильная асептическая повязка.
Параллельно с этим проводится обработка данных в мультиклассовом
классификаторе и определение класса опухоли с уточнением диагностической
точности предварительного заключения о типе новообразования печени.
Несмотря на достижения в совершенствовании методов многофазной
КТ или МРТ, у некоторых пациентов диагноз рака печени не может быть
подтвержден методами лучевой диагностики (например, у пациентов с
циррозом печени). За последнее десятилетие прорывы в области
искусственного интеллекта вдохновили исследователей на разработку
196
алгоритмов диагностики рака печени. Разработанный метод классификации
новообразований на основе обработки данных оптической биопсии с
помощью МО дает диагностическую точность, сопоставимую с
существующими методами ПЭТ, МРТ, КТ и УЗИ [442].
3.3 Выводы по главе 3
1. На основе априорных знаний об изменениях перфузионно-
метаболических параметров при онкологии для решения конкретных
диагностических задач в МИХ было принято решение использовать методы
ОД для разработки методов дифференциации неизмененных тканей печени и
опухолевого поражения на основе мультимодального подхода с
использованием методов ФС и СДО, а для классификации типов опухолей –
высокочувствительный к биохимическим изменениям метод ФС с временным
разрешением.
2. Была выбрана адекватная биологическая модель опухоли печени –
лабораторные гибридные мыши BDF (C57Bl6xDBA) с перевитыми опухолями
печени (на основе штамма ГЦК H33). Разрабатываемые методы прошли
преклиническую апробацию с участием данного типа лабораторных
животных.
3. Разработан оригинальный метод интраоперационной ОД при
проведении пункционных МИХВ в хирургии рака печени, позволяющий
дифференцировать условно здоровую паренхиму печени от опухолевого
поражения с показателями чувствительности и специфичности 0,90 и 0,95.
Показано, что мультимодальный подход с использованием
спектроскопических методов ФС и СДО во время ЧПБ позволит повысить
диагностическую эффективность традиционных пункционных
диагностических процедур и улучшить результаты лечения.
4. Разработан оригинальный метод интраоперационной классификации
новообразований печени на основе регистрации затухания флуоресценции
197
через тонкоигольный оптоволоконный зонд во время проведения ЧПБ печени,
подкрепленный технологий МО, не только позволяет решить важную
проблему выбора места забора биопсийного материала и дифференцировать
ткани печени на два класса: опухоли и условно здоровая паренхима с
чувствительностью и специфичностью более 0,94 и 0,81, но и на втором этапе
обработки данных сформулировать предварительное суждение о природе
опухолевого новообразования (доброкачественная или злокачественная), а
также о его происхождении (первичная опухоль или метастазы) с
чувствительностью и специфичностью не менее 0,84 и 0,88.
5. Безусловным преимуществом первого метода (на основе ФС и СДО)
является его более низкая стоимость исполнения аппаратной части, и данный
метод при его реализации в ПАК легко масштабировать в серийное
производство для внедрения в рутинную клиническую практику врачей-
онкологов с целью увеличения диагностической эффективности ЧПБ. По
стоимостным характеристикам технических средств второй метод (на основе
ФС с временным разрешением) безусловно является более затратным, однако,
получаемая информация о типе опухоли является ценной и приближается к
диагностической эффективности гистопатологических методов диагностики.
198
ГЛАВА 4. АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ
ИНТРАОПЕРАЦИОННОЙ ОПТИЧЕСКОЙ ДИАГНОСТИКИ ВО
ВРЕМЯ ПРОВЕДЕНИЯ МИНИИНВАЗИВНЫХ ХИРУРГИЧЕСКИХ
ВМЕШАТЕЛЬСТВ
4.1 Мультимодальный подход к оценке перфузионно-метаболических
нарушений в эндометрии женщин с диагнозом миома матки
Миома матки занимает второе место в структуре гинекологической
патологии и представляет собой наиболее распространенную
доброкачественную опухоль у женщин репродуктивного возраста и
перименопаузального периода [443,444]. В норме сосудистая сеть матки
является структурированной, при этом миометрий имеет большое количество
капилляров для обеспечения адекватного кровоснабжения при наступлении
беременности [445,446]. Миома матки характеризуется разрастанием
гладкомышечных клеток миометрия, содержащих большое количество
компонентов внеклеточного матрикса (фибронектин, коллаген, протеогликан)
[447].
Лапароскопическая миомэктомия является предпочтительным методом
хирургического лечения при симптоматической миоме матки. Несмотря на то,
что эта патология является одной из самых изученных, а лапароскопическая
миомэктомия – признанным методом лечения, остаётся ряд нерешенных
вопросов. В практической гинекологии является актуальным поиск новых
объективных критериев для выполнения миомэктомий у пациенток,
планирующих беременность. Необходимость выполнения хирургического
лечения интрамуральной миомы у пациенток с бесплодием, планирующих
беременность с использованием методов вспомогательных репродуктивных
технологий, при отсутствии клинических проявлений только на основании
размеров миомы, превышающей 4 см, является дискутабельным вопросом
[448]. Перспективным направлением при выполнении оперативного лечения у
199
женщин репродуктивного возраста является разработка новых
миниинвазивных методов оценки влияния миомы на состояние эндометрия и
его рецептивность (способность к имплантации), позволяющих определить
шансы реализации репродуктивной функции.
Одним из показателей функционального состояния эндометрия является
его адекватное кровоснабжение. Из инструментальных методов диагностики
изучения кровотока есть сведения о данных допплерометрии
эндометриального и субэндометриального кровотока у пациенток с
интрамуральной формой миомы. Установлено, что показатели 3D
энергетического допплера были одинаковыми у пациенток с небольшими
интрамуральными миомами и без них [449].
Таким образом, в данном случае необходимо решить задачу по
определению состояния эндометрия путем определения набора параметров
перфузионно-метаболических характеристик биоткани, описывающих
степень их отклонения от нормы. Методы ОД открывают широкие
возможности для исследования микроциркуляции крови и метаболических
процессов в биологических тканях. В гинекологической практике ЛДФ
признается высокочувствительным методом измерения локальной перфузии
эндометрия [303,304,306–308]. Метод ФС широко используется для оценки
состояния биологических тканей в медицине, в том числе в гинекологии
[450,451].
На основании вышеизложенного для интраоперационной оценки
перфузионно-метаболических характеристик эндометрия у женщин с
диагнозом миома было предложено использовать мультимодальный подход к
оценке перфузионно-метаболических нарушений в эндометриальной ткани на
основе методов ФС и ЛДФ.
200
4.1.1 Методика проведения клинических исследований на основе
совместной регистрации сигналов лазерной допплеровской флоуметрии
и флуоресцентной спектроскопии интраоперационно
Для разработки алгоритма оценки перфузионно-метаболических
нарушений в эндометрии женщин с диагнозом миома матки было проведено
исследование, в котором сравнивалось влияние миом различной локализации
на перфузионно-метаболические характеристики эндометриальной ткани.
Измерения проводились с помощью специально адаптированной под
данную задачу волоконно-оптической системы, реализующей методы ФС и
ЛДФ, включающей в себя измерительные каналы диагностического комплекса
«ЛАКК-М» и специально разработанный лапароскопический оптоволоконный
зонд (основные блоки установки спроектированы совместно с ООО НПП
«ЛАЗМА», Москва) [452] (рисунок 4.1а). Для регистрации оптических
сигналов лапароскопический оптоволоконный зонд вводился в полость малого
таза (рисунок 4.1б). Зонд имеет жесткую дистальную часть диаметром 3 мм.
В канале ЛДФ зондирование ткани лазерным излучением с
последующей регистрацией динамического рассеяния света реализуется на
длине волны 1064 нм. Для частотного анализа зарегистрированных сигналов
ЛДФ применялась программа LDF 3.2.0.441 (ООО НПП «ЛАЗМА»), которая
реализует непрерывное вейвлет-преобразование с использованием в качестве
анализирующего комплексного вейвлета Морле. В канале ФС для
возбуждения эндогенной флуоресценции биомаркеров энергетического
метаболизма могут применяться источники излучения с длиной волны 365 нм
и 450 нм. Спектры флуоресценции регистрировались спектрометром в
диапазоне 350-820 нм.
Контроль положения оптоволоконного зонда при проведении
интраоперационной регистрации оптических сигналов осуществляли на
мониторе лапароскопической стойки.
Соседние файлы в папке Библиотека им академика М.И. Перельмана